[发明专利]基于颜色和模糊聚类算法的农田害虫识别方法

说明书

技术领域

本发明属于农业和图像处理技术领域，是一种对农田害虫的基于颜色和形状特征并结合模糊聚类算法和RBF径向基函数神经网络进行识别的方法。

背景技术

我国是一个农业大国，农业虫害也不时发生，因此农田害虫的监测、虫情灾害的统计预报工作十分重要。若监测预报准确及时，就可及早动手消灭害虫，减少农药用量。目前，广泛应用的是黑光灯诱捕和人工识别的方法来统计害虫的种类及密度，该方法劳动强度大，效率低，同时主观因素较大，影响了测报的准确性和时效性。因此，农田害虫的实时、准确的识别，是现代农业作物保护的一种必然应用趋势，也是当今数字农业需要研究和解决的问题。

农田中的害虫种类多,数量大,很多害虫通过肉眼也不容易分辨，我国农作物常见的有以下种类的病虫害：稻纵卷叶螟、稻飞虱、豆天蛾、棉铃虫、甜菜叶蛾、玉米螟等，本发明利用计算机视觉、图像处理及模式识别技术，实现对农田中常见的这6种害虫的种类的自动识别，是农业领域的新技术。

在利用计算机技术对农田害虫进行识别的过程中，特征提取是重要的环节之一，以往的做法常常是利用害虫的灰度图像来进行识别，而颜色信息是识别不同害虫种类的一个重要的特征，同时它对图像本身的方向以及视角的依赖性较小，因而具有较高的鲁棒性，增加害虫的颜色参数后，可大大提高害虫的识别准确率。同时本发明结合模糊聚类算法和RBF径向基函数神经网络，最后能很好地完成对农田害虫的识别，平均准确率达到95.1%。

发明内容

针对现有技术的不足，本发明提出了基于颜色和模糊聚类算法的农田害虫识别方法。原始的农田害虫图像格式是RGB格式，它受光线影响较大，随光照条件的变化，R、G、B三个分量都会有较大变化，直接利用这些分量往往不能得到所需的效果，而HSI空间，它更能接近人对彩色世界的观察方式，它通过色调H、饱和度S、亮度I三个属性来表示颜色，在HSI空间中，H、S、I三分量之间的相关性比R、G、B三分量之间要小很多，使得图像处理更少受光照条件的影响。因此基于HSI空间能取得比RGB空间更好的效果。

本方法首先将获取的农田害虫原始的RGB图像彩色图像转化为HSI颜色空间，并对饱和度S进行基于期望值的增强调整计算；完成对害虫的色调均值等颜色特征参数提取。

而另一方面，害虫的外形形状也是一个重要的特征，不同的农田害虫在形状上存在一定的差异。本发明采用自适应二值化的方法对害虫图像进行处理，并运用数字形态学处理法进行了修正，将害虫从背景中分割出来，提取面积、周长等形状特征参数，最后对各项参数进行模糊聚类算法，并结合径向基函数神经网络，完成常见的6种农田害虫的识别。

本发明的基于颜色和模糊聚类算法的农田害虫识别方法，其特征是包含以下具体步骤：

（1）通过田间捕捉装置，获取农田害虫的原始图像；

（2）将原始图像从RGB颜色空间转换到HSI颜色空间，并选取H和S参数作为害虫图像的特征；

（3）对图像进行饱和度增强计算，然后计算并提取害虫的颜色特征参数；

（4）将农田害虫原始图像从RGB格式转化为灰度格式，并进行自适应二值化处理；

（5）农田害虫图像再经形态学处理后，完成图像分割，并提取害虫形状特征参数；

（6）对提取的害虫颜色特征参数及形状特征参数进行模糊聚类算法处理，并结合RBF径向基函数神经网络进行训练；

（7）完成农田害虫的识别并计数。

通过深入研究农田害虫的体形、色彩及其形态学特征，本发明针对农田害虫的彩色图像，提取了彩色图像的色调均值、饱和度均值、色调最大差值、饱和度最大差值4个颜色特征参数。

在对图像进行饱和度增强计算中，是对饱和度S进行基于期望值的图像增强调整，先算出图像中每个像素点饱和度数值及其在图像中出现的概率，求出其数学期望E(x)，并以此调整图像的饱和度，调整公式定义为：